論文の概要: Enhancing Fake News Video Detection via LLM-Driven Creative Process Simulation

• arxiv url: http://arxiv.org/abs/2510.04024v1
• Date: Sun, 05 Oct 2025 04:05:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.406619
• Title: Enhancing Fake News Video Detection via LLM-Driven Creative Process Simulation
• Title（参考訳）: LLM駆動の創造的プロセスシミュレーションによるフェイクニュース映像の検出
• Authors: Yuyan Bu, Qiang Sheng, Juan Cao, Shaofei Wang, Peng Qi, Yuhui Shi, Beizhe Hu,
• Abstract要約: ショートビデオプラットフォームにおけるフェイクニュースの出現は、新たな重要な社会的関心事となっている。 現在の検出器は、偽のニュースビデオを本物と区別するためのパターンベースの機能に依存している。 本稿では,一般的な創作プロセスをシミュレートして,多様なフェイクニュースビデオを生成するデータ拡張フレームワークであるAgentAugを提案する。
• 参考スコア（独自算出の注目度）: 14.79644134032037
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The emergence of fake news on short video platforms has become a new significant societal concern, necessitating automatic video-news-specific detection. Current detectors primarily rely on pattern-based features to separate fake news videos from real ones. However, limited and less diversified training data lead to biased patterns and hinder their performance. This weakness stems from the complex many-to-many relationships between video material segments and fabricated news events in real-world scenarios: a single video clip can be utilized in multiple ways to create different fake narratives, while a single fabricated event often combines multiple distinct video segments. However, existing datasets do not adequately reflect such relationships due to the difficulty of collecting and annotating large-scale real-world data, resulting in sparse coverage and non-comprehensive learning of the characteristics of potential fake news video creation. To address this issue, we propose a data augmentation framework, AgentAug, that generates diverse fake news videos by simulating typical creative processes. AgentAug implements multiple LLM-driven pipelines of four fabrication categories for news video creation, combined with an active learning strategy based on uncertainty sampling to select the potentially useful augmented samples during training. Experimental results on two benchmark datasets demonstrate that AgentAug consistently improves the performance of short video fake news detectors.
• Abstract（参考訳）: ショートビデオプラットフォームにおけるフェイクニュースの出現は、ビデオニュース固有の自動検出を必要とする、新たな社会的関心事となっている。 現在の検出器は主に、偽のニュースビデオを本物と区別するためのパターンベースの機能に依存している。 しかし、限られた、より分散化されたトレーニングデータは、偏りのあるパターンをもたらし、パフォーマンスを妨げます。 この弱点は、現実のシナリオにおいて、ビデオ素材セグメントと製造されたニュースイベントの間の複雑な多対多の関係に起因している: 単一のビデオクリップは、異なる偽の物語を作成するために複数の方法で利用でき、一方、1つの製造されたイベントは、しばしば複数の異なるビデオセグメントを組み合わせる。 しかし、既存のデータセットは、大規模な実世界のデータの収集と注釈付けが困難であるため、そのような関係を適切に反映していない。 この問題に対処するため,典型的創造過程をシミュレートし,多様なフェイクニュースビデオを生成するデータ拡張フレームワークであるAgentAugを提案する。 AgentAugは、ニュースビデオ作成のための4つの製作カテゴリからなるLLM駆動パイプラインを複数実装し、不確実性サンプリングに基づくアクティブな学習戦略と組み合わせて、トレーニング中に潜在的に有用な追加サンプルを選択する。 2つのベンチマークデータセットの実験結果から、AgentAugはショートビデオのフェイクニュース検出器の性能を一貫して改善することを示した。

関連論文リスト

• BindWeave: Subject-Consistent Video Generation via Cross-Modal Integration [56.98981194478512]
  本稿では,幅広いテーマ・ツー・ビデオシナリオを扱う統一フレームワークを提案する。 MLLM-DiTフレームワークは,事前訓練されたマルチモーダルな大規模言語モデルで,基底エンティティに対して深い相互モーダル推論を行う。 OpenS2Vベンチマークの実験により、本手法は、生成ビデオにおける主観的整合性、自然性、テキスト関連性において優れた性能を実現することを示した。
  論文  参考訳（メタデータ） (2025-10-01T02:41:11Z)
• Multimodal Learning for Fake News Detection in Short Videos Using Linguistically Verified Data and Heterogeneous Modality Fusion [5.850574227112314]
  現在の手法は、短いビデオコンテンツのダイナミックでマルチモーダルな性質に苦しむことが多い。 本稿では,ビデオ,音声,テキストデータを統合して,短いビデオコンテンツの信頼性を評価する新しいフレームワークであるHFNを提案する。
  論文  参考訳（メタデータ） (2025-09-19T04:24:57Z)
• FMNV: A Dataset of Media-Published News Videos for Fake News Detection [10.36393083923778]
  FMNVは,メディア組織によるニュースビデオで構成された新作のダセットである。 我々は,メディア公開ニュースを操作することで,コンテンツを自動生成するために,Large Language Models (LLMs) を採用している。 この研究は、メディアエコシステムにおいて、インパクトの高いフェイクニュースを検出するための重要なベンチマークを確立する。
  論文  参考訳（メタデータ） (2025-04-10T12:16:32Z)
• WikiVideo: Article Generation from Multiple Videos [67.59430517160065]
  現実の出来事に関する複数のビデオから情報を集約する高レベルなウィキペディアスタイルの記事を自動的に作成する難題を提示する。 WikiVideoは、専門家が書いた記事と、記事の主張を裏付ける厳密な注釈付きビデオからなるベンチマークである。 複数のビデオから記事を作成するためのインタラクティブな手法である共同記事生成(CAG)を提案する。
  論文  参考訳（メタデータ） (2025-04-01T16:22:15Z)
• Official-NV: An LLM-Generated News Video Dataset for Multimodal Fake News Detection [9.48705939124715]
  マルチモーダル フェイクニュース検知が 最近注目を集めています 公式なニュースビデオを含むOffic-NVというデータセットを構築した。 また,マルチモーダル特徴量からキー情報をキャプチャするOFNVDと呼ばれる新しいベースラインモデルを提案する。
  論文  参考訳（メタデータ） (2024-07-28T13:23:43Z)
• FakingRecipe: Detecting Fake News on Short Video Platforms from the Perspective of Creative Process [19.629705422258905]
  フェイクニュースの作り方を考える新しい視点を導入する。 ニュースビデオ制作の背後にある創造的なプロセスのレンズを通して、我々の経験的分析はフェイクニュースビデオの特徴を明らかにする。 得られた知見に基づいて、フェイクニュースショートビデオを検出するクリエイティブなプロセス認識モデルであるFakingRecipeを設計する。
  論文  参考訳（メタデータ） (2024-07-23T17:39:49Z)
• VANE-Bench: Video Anomaly Evaluation Benchmark for Conversational LMMs [64.60035916955837]
  VANE-Benchはビデオの異常や矛盾を検出するためのビデオLMMの熟練度を評価するために設計されたベンチマークである。 我々のデータセットは、既存の最先端のテキスト・ビデオ生成モデルを用いて合成された一連のビデオから構成される。 我々は、このベンチマークタスクにおいて、オープンソースとクローズドソースの両方で既存の9つのビデオLMMを評価し、ほとんどのモデルが微妙な異常を効果的に識別するのに困難に直面することを発見した。
  論文  参考訳（メタデータ） (2024-06-14T17:59:01Z)
• Towards Fast Adaptation of Pretrained Contrastive Models for Multi-channel Video-Language Retrieval [70.30052749168013]
  マルチチャンネルビデオ言語検索は、異なるチャンネルからの情報を理解するためにモデルを必要とする。 対照的なマルチモーダルモデルは、画像やビデオやテキストのエンティティの整合に非常に効果的であることが示されている。 これら2つの行を、限られたデータとリソースを持つマルチチャンネルビデオ言語検索に迅速に適応する方法は、明らかではない。
  論文  参考訳（メタデータ） (2022-06-05T01:43:52Z)
• Less is More: ClipBERT for Video-and-Language Learning via Sparse Sampling [98.41300980759577]
  ビデオと言語の学習に対する標準的なアプローチは、オフラインで抽出された高密度ビデオ機能から学習するニューラルネットワークを規定する。 本稿では,ビデオ・言語タスクに対して,手頃なエンドツーエンド学習を可能にする汎用フレームワークClipBERTを提案する。 6つのデータセットにおけるテキスト・ビデオ検索とビデオ質問応答の実験は、ClipBERTが既存の手法より優れていることを示した。
  論文  参考訳（メタデータ） (2021-02-11T18:50:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。